300字范文 > ubuntu16.04下 1080ti显卡驱动384.98+cuda9.0+cudnn+caffe 安装过程本人新测没毛病

ubuntu16.04下 1080ti显卡驱动384.98+cuda9.0+cudnn+caffe 安装过程本人新测没毛病

时间：2021-01-04 04:26:22

ubuntu16.04下显卡驱动384.98+cuda9.0+cudnn9.0+caffe 安装

我自己尝试的在16.04下安装如上所述，系统安装不多说，主要说显卡驱动往下的部分，和我自己遇到的问题和解决办法。

装ubuntu16.04显卡驱动384.98cuda9.0cudnn9.0caffe

装ubuntu16.04

原系统是win10，在这个基础上用u盘安装的双系统。所用系统/download/desktop 如下图

显卡驱动384.98

第一开始我以为cuda中自带GPU显卡驱动，不用独立安装，实际上我是没成功的，还是要先安装显卡驱动。第二因为我的主板上有集成显卡的插槽，所以在gpu显卡驱动装上之前，都是用的集成显卡。如果是没有集成显卡插槽，我就没试过了，用其他人的方法吧。

首先去官网下载对应GPU版本的显卡驱动，我的是微星的GTX1080Ti ，到nvidia网站/Download/index.aspx?lang=cn

点击搜索，下载。我放在了下图的位置

接下来我遇到了第一个大坑，-》安装这个驱动。安装驱动是需要关闭ubuntu的图形桌面的，但是我在用ctrl+alt+F1 或者 sudo service lightdm stop 命令想关闭图形，都会满屏幕输出nouveau。。。。SCHED_ERROR 08 这样的错误，我搜索解决方法，网上说还是显卡的原因，有一堆解决方法，说是引导的问题，或者显卡的问题，我都没解决。接下来说解决方案。首先我用了/u01313/article/details/50582808 这个方法，问题没有完美解决，但是我不确定不操作这一步之后会不会成功。

sudo apt-get install grubsudo apt-get install grub2sudo gedit /etc/default/grub#将GRUB_CMDLINE_LINUX_DEFAULT="quiet splash"中的quiet splash改为modeset

并没有解决，仍然是接下来我又看了个博客，地址找不到了，就是先注销当前账户，在输入密码的那个界面用ctrl+alt+F1，这次成功进入到命令行界面，输入用户名密码（相当于在图形化界面里输入密码，当然用户名需要自己输入，它不会直接显示）成功完成。

#首先关闭图形服务sudo service lightdm stop#给NVIDIA-Linux-x86_64-384.98.run赋权限,版本不一样自行修改,还有我 #的当前目录就是～目录，注意路径sudo chmod 777 NVIDIA-Linux-x86_64-384.98.runsudo sh NVIDIA-Linux-x86_64-384.98.run#打开图形服务sudo service lightdm start#重启sudo reboot

如果上述步骤都没问题，那么显卡驱动安装成功，可以把显示器插口插在gpu的口上了，重启后屏幕可以显示，安装成功，图形界面也恢复了。

cuda9.0

下面安装cuda，我下载了目前最新版本的9.0。去官网下载/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal

#运行sudo sh cuda_9.0.176_384.81_linux.run

run文件类似于win的安装了，一步一步有提示的，第一个好像问装不装显卡驱动，选择n，其他就选择y吧。接下来修改环境变量和库路径

sudo gedit /etc/profile#添加一句 export PATH=/usr/local/cuda-9.0/bin:$PATHsource /etc/profile #让它生效#添加lib库路径，需要新建一个文件sudo gedit etc/ld.so.conf.d/cuda.conf#在文件里添加一句 /usr/local/cuda-9.0/lib64 记得保存sudo ldconfig #让它生效

接下来编译samples ，进入sample

sudo cd /usr/local/cuda-9.0/samples

接下来编译

sudo make

验证编译

cd /usr/local/cuda-9.0/samples/bin/x86_64/linux/release./deviceQuery

如果显示显卡信息就ok了，其实上一步make不报错基本就成功了。

安装cudnn

cudnn 是让gpu加速的一个库，运行起来快吧。cudnn的版本要与cuda对应，所以去官网下载/rdp/cudnn-download 我选的是下图有下划线那个版本。我应该下载了一个压缩包，要解压。

cudnn的安装学习了这篇博客/xuezhisdc/article/details/48651003 和

/guoyunfei20/article/details/78191599

#解压文件tar -zxvf cudnn-9.0-linux-x64-v7.tgz#切换路径，文件夹名字被我改成了cudacd cuda#复制lib文件到cuda安装路径下的lib64/sudo cp lib* /usr/local/cuda/lib64/#复制头文件sudo cp cudnn.h /usr/local/cuda/include/#更新软连接文件名具体要自己看一下cd /usr/local/cuda/lib64/ sudo rm -rf libcudnn.so libcudnn.so.7.0 sudo ln -s libcudnn.so.7.0.4 libcudnn.so.7.0 sudo ln -s libcudnn.so.7.0 libcudnn.so sudo gedit /etc/profile#添加export LD_LIBRARY_PATH=/usr/local/cuda/cudnn/lib64$LD_LIBRARY_PATHsource /etc/profile

当然可以按照上面链接的方法测试cudnn是否成功，我就不写了。

caffe的安装

安装caffe之前要安装python或者matlab，opencv也是可选的，我就不写了。ubuntu16.04 python2 python3都有的。

还要安装一个东西mkl或者blas ，简单点就是blas

sudo apt-get install libatlas-base-dev

然后下载caffe，github /BVLC/caffe

并且解压。

首先安装一堆依赖包，否则后面编译caffe会有各种各样的错误。参考/jpday/article/details/70741619

#先下载一个glog，貌似谷歌又上不去，csdn有人传又收金币，日了够tar zxvf glog-0.3.3.tar.gzcd glog-0.3.3/./configuremakesudo make installsudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-devsudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compilersudo apt-get install -y python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython#cython 我没有装上，报错了。我没管它。sudo apt-get install -y protobuf-c-compiler protobuf-compiler

首先需要在官方提供的Makefile.config文件的基础上进行一些配置工作。先拷贝一份原始Makefile.config文件

cd ~/caffe-mastercp Makefile.config.example Makefile.configsudo gedit Makefile.config#需要对配置文件做一些修改

因为相关博客有很多，我就直接贴我修改了哪些内容吧

一开启cudnn

# cuDNN acceleration switch (uncomment to build with cuDNN).USE_CUDNN := 1

二 compute_20这里以后会报错，因为cuda版本问题，所以注释掉

# CUDA architecture setting: going with all of them.# For CUDA < 6.0, comment the *_50 through *_61 lines for compatibility.# For CUDA < 8.0, comment the *_60 and *_61 lines for compatibility.# For CUDA >= 9.0, comment the *_20 and *_21 lines for compatibility.CUDA_ARCH := \#-gencode arch=compute_20,code=sm_20 \# -gencode arch=compute_20,code=sm_21 \-gencode arch=compute_30,code=sm_30 \ -gencode arch=compute_35,code=sm_35 \ -gencode arch=compute_50,code=sm_50 \ -gencode arch=compute_52,code=sm_52 \ -gencode arch=compute_60,code=sm_60 \ -gencode arch=compute_61,code=sm_61 \ -gencode arch=compute_61,code=compute_61

三因为要用py2 和py3 所以注释去掉

# NOTE: this is required only if you will compile the python interface.# We need to be able to find Python.h and numpy/arrayobject.h.PYTHON_INCLUDE := /usr/include/python2.7 \/usr/lib/python2.7/dist-packages/numpy/core/include# Anaconda Python distribution is quite popular. Include path:# Verify anaconda location, sometimes it's in root.# ANACONDA_HOME := $(HOME)/anaconda# PYTHON_INCLUDE := $(ANACONDA_HOME)/include \# $(ANACONDA_HOME)/include/python2.7 \# $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include# Uncomment to use Python 3 (default is Python 2)# PYTHON_LIBRARIES := boost_python3 python3.5mPYTHON_INCLUDE := /usr/include/python3.5m \/usr/lib/python3.5/dist-packages/numpy/core/include

四这个路径一定要修改，不然找不到hdf5，或者其他依赖包

# Whatever else you find you need goes here.INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/include/hdf5/serial \/usr/local/includeLIBRARY_DIRS := $(PYTHON_LIB) /usr/lib/x86_64-linux-gnu/hdf5/serial \/usr/local/lib /usr/lib

那个反斜杠是换行，不要搞错了，我直接复制的，可能格式不太好看

五关于opencv 和matlab 的配置文件修改部分，我没用就没改，其他博客中写的很清楚，也很简单。

总之，有错误就搜一下错误，总有前人会犯过的。。。。再贴几个帮助很大的博客

/striker_v/article/details/51615197

http://m./w113691/article/details/77937193

/jpday/article/details/70741619

/Linux/-12/138870p2.htm

/u010417185/article/details/52065472

接下来就是编译caffe了，在当前文件夹下

make allmake testmake runtestmake pycaffe

本内容不代表本网观点和政治立场，如有侵犯你的权益请联系我们处理。

网友评论